빅데이터 기반 치주질환 예측모델 개발 및 임상검증
Development and clinical validation of big data-driven prediction models for periodontal disease
- 주제(키워드) Periodontal disease , Periodontitis , Risk factor assessment , Big data , Data-driven prediction model , Clinical validation
- 주제(DDC) 617.6
- 발행기관 아주대학교 임상치의학대학원
- 지도교수 지숙
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 석사
- 학과 및 전공 임상치의학대학원 임상구강보건학과
- 실제URI http://www.dcollection.net/handler/ajou/000000033309
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
빅테이터 기반 치주질환 예측모델 개발 및 임상검증 치주질환은 나이가 들수록 유병률이 급격히 증가하는 대표적인 진행성 구강질환으로, 조기 진단과 예방이 가장 효과적인 해결방안이다. 기존의 임상측정 방법들은 정확한 진단과 이를 통한 중증환자의 선별치료에 용이한 반면, 질환의 예측을 통해서 초기단계나 진행 전에 고위험환자를 검출하고 예방적 조치를 취하는 것이 어렵다는 한계를 가진다. 이러한 점에서, 치주질환 예측모델은 질환의 위험도를 미리 예측함으로써 조기 진단과 예방에 도움을 줄 것으로 기대된다. 최근 고도화된 인공지능 알고리즘을 활용하여 많은 치주질환 예측모델들이 높은 예측 정확도를 보고하였으나, 재현성과 신뢰성 문제로 인해 임상 활용에는 여전히 제한적인 상황이다. 따라서 본 연구의 목적은 빅데이터와 위험인자 상관관계 분석을 활용하여 개선된 치주질환 예측모델을 개발하고, 임상 검증을 통해 모델의 재현성과 신뢰성을 조사하는 것이다. 또한 본 연구에서 개발된 예측모델을 실제 임상환경에서 어떻게 활용할지에 대한 응용방안도 탐색하였다. 제7차 국민건강영양조사(2016~2018년) 데이터베이스(n=10,654)를 활용하여 치주질환의 주요 위험인자를 추출하기 위한 상관분석을 수행하였으며, 1,000가지가 넘는 잠재적 치주질환 위험인자 중 16가지의 주요 위험인자를 선별하였다. 이렇게 선별된 인자를 바탕으로, 경기도의료원 수원병원에서 자가보고 설문지, 임상측정, 방사선 영상분석을 통해 임상 환자데이터(n=120)를 수집하였다. 선별된 국민건강영양조사 자료(n=7,427)를 사용하여 치주질환 예측모델을 개발한 후, 5겹 교차 검증과 1,000번의 부트스트랩 리샘플링을 통한 내부 검증을 수행하였으며, 이후 임상데이터(n=120)를 이용하여 외부검증을 실시하였다. 수신자 조작 특성 곡선의 아래 영역(Area Under Curve; AUC)과 기타 성능 지표를 사용하여 로지스틱 회귀, 서포트 벡터 머신, 랜덤 포레스트, XGBoost 및 신경망 알고리즘에 대한 예측 성능과 재현성을 평가하였다. 평가 결과, 가장 성능이 좋은 예측모델(XGBoost)은 내부 및 외부 검증에 대해 각각 0.823 및 0.796의 AUC 값을 보여주었다. 반면, 소규모의 임상데이터(n=120)를 사용해 개발한 예측모델에서는 내부 및 외부 검증에 대해 각각 0.836과 0.649의 AUC 값을 보이는 것으로 나타났다. 결과적으로 소규모 데이터 기반 모델링 방식(AUC = 0.187) 대비 빅데이터를 활용한 예측모델(AUC = 0.027)은 높은 재현성을 보이는 것을 확인할 수 있었다. 또한 빅데이터 기반 예측모델은 중증 골 소실도(AUC = 0.813), 치은 출혈(AUC = 0.694) 및 치아 손실(AUC = 0.734)을 포함한 다양한 임상적 치주 매개변수의 예측에서도 유의미한 성능을 보이는 것을 알 수 있었다. 예후 예측에 관한 환자 사례연구에서는 금연 및 금주가 치주염 발생 위험을 평균적으로 6.0%(금연), 0.6%(금주) 만큼 감소시킬 수 있는 것으로 나타났다. 빅데이터를 활용한 치주질환 예측모델은 내부-외부 검증에서 향상된 예측 성능, 재현성 및 안정성을 보였으며, 이를 통해 신뢰성 있는 치주질환 예측이 가능하다는 것을 입증하였다. 본 연구를 바탕으로 향후 모델 알고리즘 및 학습 데이터의 품질이 개선된다면, 임상 환경에서도 충분히 치주질환의 조기발견 및 예방관리를 위해 빅데이터 기반 예측모델을 활용할 수 있을 것이다. 이러한 치주질환 예측모델은 환자별 치주 위험 요인에 대한 맞춤형 예후 정보를 제공할 것으로 기대한다. 더 나아가, 이러한 빅데이터 기반 모델링 방식은 치주질환 뿐만 아니라 다른 의학 분야의 질환 예후 예측에도 충분히 활용될 수 있을 것이다.
more목차
I. 서론 1
가. 연구 배경 1
1. 인공지능과 빅데이터를 활용한 치의학 연구 1
2. 치주질환 진단 및 예방의 중요성 2
나. 연구의 필요성 4
1. 치주질환의 예측을 위한 임상 측정 방식의 한계 4
2. 인공지능을 활용한 치주질환의 예측 5
3. 빅데이터 기반의 치주질환 예측모델 6
다. 연구의 목적 7
II. 연구대상 및 방법 8
가. 연구계획 및 연구대상 선정 8
1. 연구 디자인 및 개요 8
2. 국민건강영양조사 자료 9
3. 경기도의료원 임상자료 9
나. 연구방법 11
1. 통계적 상관관계 분석 및 치주질환 유발인자 추출 11
2. 임상데이터 수집 13
3. 치주질환 예측모델 개발 17
4. 예측모델 성능 평가 19
5. 치주질환의 예후 예측 21
III. 결과 22
가. 기초 상관관계 분석 22
나. 데이터기반 치주질환 예측모델 평가 빅데이터를 이용한 내부검증 25
1. 모델 알고리즘별 예측 성능 비교 25
2. 모델 알고리즘별 예측 안정성 비교 27
3. 예측모델의 인자 중요도 분석 28
다. 데이터기반 치주질환 예측모델 평가 임상데이터를 이용한 외부검증 30
1. 모델 알고리즘별 예측 성능 및 재현성 비교 30
2. 기타 치주질환 임상 인자 예측 32
라. 기존 방식과 데이터기반 예측모델의 비교 분석 34
1. 치주질환 예측 성능 비교 34
2. 치주질환 예측 재현성 비교 35
IV. 고찰 36
가. 빅데이터 및 인공지능 기반 치주질환 예측모델의 효용성 36
나. 치주질환 유발인자의 위험도 분석 39
다. 치주질환 예측모델의 활용 방안 40
라. 본 연구의 중요성 및 한계점 42
V. 결론 44
참고문헌 45
부록 (APPENDIX) 51
ABSTRACT 52
